[发明专利]一种大规模文本相似度计算及文本查重方法有效
| 申请号： | 202010132181.9 | 申请日： | 2020-02-29 |
| 公开（公告）号： | CN111324750B | 公开（公告）日： | 2021-07-13 |
| 发明（设计）人： | 张校源;陈骁 | 申请（专利权）人： | 上海爱数信息技术股份有限公司 |
| 主分类号： | G06F16/383 | 分类号： | G06F16/383;G06F40/289;G06K9/62 |
| 代理公司： | 上海科盛知识产权代理有限公司 31225 | 代理人： | 叶敏华 |
| 地址： | 201112 上海市闵行*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种大规模文本相似度计算及文本查重方法，包括：获取原始文本数据集，创建整数形式的指纹集合；将指纹集合及对应的文本id以字节数据方式存储，得到指纹库；获取目标文本，创建目标指纹；从指纹库读取所有字节数据，并存入map内存；根据目标指纹，从map内存中得到对比指纹集合，采用整数异或运算方法，分别计算目标指纹与对比指纹集合中各指纹之间的相似度；当相似度二进制数值中1的个数小于或等于预设值时，则判断该对比指纹与目标指纹相似，通过查询文本id，即完成目标文本的查重。与现有技术相比，本发明能够减少文档指纹存储占用空间、减少查询文档指纹时间，在保证准确度的基础上，大大提升相似度计算及文本查重效率。 | ||
| 搜索关键词： | 一种 大规模 文本 相似 计算 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海爱数信息技术股份有限公司，未经上海爱数信息技术股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202010132181.9/，转载请声明来源钻瓜专利网。
